leetcode347 —— n中topK && PriorityQueue(Heap) && Map遍历

题目要求：求前K个最频繁出现的数字。

1.很容易想到，使用HashMap<Integer，Integer>来存储<number，frequency>键值对

        int n = nums.length;
        Map<Integer, Integer> map = new HashMap<>(n);

        for (int num : nums) {
            map.put(num, map.getOrDefault(num, 0) + 1);
        }    

2.接下来非常自然的思路就是：

• 对<number，frequency>按照frequency进行降序排序
• 返回前k个<number，frequency>的number

 

　　根据题目的黑字提示：“你可以按 任意顺序 返回答案。”。可以计算出第K频繁的数的frequency，接着遍历map，返回所有frequency >= Kth的number即可：

        Integer[] temp = map.values().toArray(new Integer[map.size()]);
        Arrays.sort(temp);
        int[] ans = new int[k];
        int KthCount = temp[temp.length - k], i = 0;

        for (Map.Entry<Integer, Integer> kv : map.entrySet()) {
            if (kv.getValue() >= KthCount) {
                ans[i++] = kv.getKey();
            }
        }

 

因为时间超过5%，想到了对map遍历时是否可以直接遍历map中的键值对，于是：

        for (Map.Entry<Integer, Integer> kv : map.entrySet()) {
            if (kv.getValue() >= KthCount) {
                ans[i++] = kv.getKey();
            }
        }

 

进阶的时间要求想不出来，于是看了题解，有了以下收获：

题目最终需要返回的是前 $k$ 个频率最大的元素，可以想到借助堆这种数据结构，对于 $k$ 频率之后的元素不用再去处理，进一步优化时间复杂度。

 

• 求前 k 大，用小根堆，求前 k 小，用大根堆

  •         PriorityQueue<int[]> minHeap = new PriorityQueue<>(k,
                    new Comparator<int[]>() {
                        @Override
                        public int compare(int[] o1, int[] o2) {
                            //升序
                            return o1[1] - o2[1];
                            //降序
                            return o2[1] - o1[1];
                        }
                    });

     

    
    
• topk （前k大）用小根堆，维护堆大小不超过 k 即可。每次压入堆前和堆顶元素比较，如果比堆顶元素还小，直接扔掉，否则压入堆。检查堆大小是否超过 k，如果超过，弹出堆顶。复杂度是 nlogk
• 避免使用大根堆，因为你得把所有元素压入堆，复杂度是 nlogn，而且还浪费内存。如果是海量元素，那就挂了。

 

        PriorityQueue<int[]> minHeap = new PriorityQueue<>(k,
                new Comparator<int[]>() {
                    @Override
                    public int compare(int[] o1, int[] o2) {
                        return o1[1] - o2[1];
                    }
                });
        
        int count = 0
        for (Map.Entry<Integer, Integer> kv : map.entrySet()) {
            //前K个键值对不需要判断
            if (count++ < k) {
                minHeap.add(new int[]{kv.getKey(), kv.getValue()});
            } else if (kv.getValue() > minHeap.peek()[1]) {
                minHeap.poll();
                minHeap.add(new int[]{kv.getKey(), kv.getValue()});
            }
        }